[发明专利]基于多光谱数据的大区域尺度作物生长实时监测方法

说明书

本发明涉及作物生长监测技术领域，具体地说，涉及基于多光谱数据的大区域尺度作物生长实时监测方法。其方法步骤如下：数据采集；多光谱图像处理：采用多光谱图像处理算法从所采集的图像中获取作物检测的图像特征参数；建立叶绿素和氮素含量监测模型：采用多元线性回归进行建模，得到作物叶绿素和氮素含量预测模型结果；作物长势参数反演：采用NDVI进行作物信息提取，反演作物的生长指标、生理指标、产量与品质指标；聚类分析：采用K‑means和EM算法对多光谱图像参数进行分类，本发明通过利用多光谱图像可提供了作物的光谱和图像信息，提高了检测效率，从而实现在线、快速、无损检测农作物生长状况的目的。

技术领域

本发明涉及作物生长监测技术领域，具体地说，涉及基于多光谱数据的大区域尺度作物生长实时监测方法。

背景技术

农业生产是人类赖以生存的基础，生产中，化学肥料(主要是氮肥)和农药等化学药剂的施用对农产品产量和质量的提高有着巨大的推动作用，为了无损、快速地获取田间作物营养和生长状况，可以指导田间施肥和农药的精细投入，是构建“高效、高产”的现代化农业生产模式和体系的重要内容，当前科学研究的发展表明，作物各种胁迫往往只引起某些特定窄波段的反射吸收光谱发生变化，检测到这些窄波段的光谱微小变化，是机器视觉作物生长无损监测中的一种重要发展趋势，鉴于此，我们提出基于多光谱数据的大区域尺度作物生长实时监测方法。

发明内容

本发明的目的在于提供基于多光谱数据的大区域尺度作物生长实时监测方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供基于多光谱数据的大区域尺度作物生长实时监测方法，其方法步骤如下：

S1、数据采集：采用多光谱相机在自然光条件下采集作物图像；

S2、多光谱图像处理：采用多光谱图像处理算法从所采集的图像中获取作物检测的图像特征参数；

S3、建立叶绿素和氮素含量监测模型：采用多元线性回归进行建模，得到作物叶绿素和氮素含量预测模型结果；

S4、作物长势参数反演：采用NDVI进行作物信息提取，反演作物的生长指标、生理指标、产量与品质指标，其中，生长指标主要包括绿色叶面积指数和地上部生物量；生理指标主要包括氮素营养、碳素营养、碳氮状况和光合色素；籽粒品质指标主要包括蛋白质含量与积累量、淀粉含量与积累量；

S5、聚类分析：采用K-means和EM算法对多光谱图像参数进行分类，从而对作物的生长情况及其籽粒产量和品质等进行全面、综合的分析。

作为本技术方案的进一步改进，所述S1中的多光谱相机采用3CDD多光谱相机，图像分辨率为1040x1392.此相机将所有摄入光源经过滤，实时分离成绿光(550nm)，红光(650nm)和近红外(800nm)三个波段通道的单色图像，通过PCI 1424的数据接收板连接到计算机，其输入控制端口为RS232。

作为本技术方案的进一步改进，所述S2中的多光谱图像处理算法包括如下步骤：

①、图像格式转换，采用PixelWrench2图像编辑软件用于实现图像格式的转换，将其转换为.bmp图像格式，然后，调用Matlab7.0图像处理工具箱函数编程实现图像处理算法；

②、NIR、R、G通道分离，多光谱图像包含NIR、R和G三个波段图像信息，故而分别对各波段灰度图像分别进行滤波，处理，然后合成多光谱图像的平滑结果；

③、图像滤波，由于采集的图像在转化过程中受到电磁特性以及外界环境的影响，会使图像退化变质或附加噪声，因此需要进行图像增强，主要对图像进行滤波处理；

④、NIR图像阈值分割，通常图像信息主要包括背景和目标物体两部分，在背景与目标物体的交界处图像灰度常表现出一定的差异性，因此，可利用一定的一致性准则，将图像划分为互不交叠的区域，实现目标的分割；